Resumen: El reconocimiento automatizado de emociones en entornos laborales del mundo real sigue siendo un problema desafiante en la informática afectiva debido a la escasez de conjuntos de datos longitudinales a gran escala recopilados en entornos naturalistas. Presentamos un conjunto de datos novedoso que comprende 733.651 registros de expresiones faciales de 38 empleados recopilados durante 30,5 meses (noviembre de 2021 a mayo de 2024) en un entorno de oficina auténtico. Cada registro contiene siete probabilidades de emoción (neutral, feliz, triste, sorprendida, miedo, disgusto, enojo) derivadas del reconocimiento de expresiones faciales basado en el aprendizaje profundo, junto con metadatos completos que incluyen roles laborales, resultados laborales y rasgos de personalidad. El conjunto de datos abarca de manera única el período de la pandemia de COVID-19 y captura las respuestas emocionales a eventos sociales importantes, incluido el cierre de Shanghai y los cambios de políticas. Proporcionamos 32 métricas emocionales extendidas calculadas utilizando métodos científicos afectivos establecidos, que incluyen valencia, excitación, volatilidad, previsibilidad, inercia y fuerza de contagio emocional. La validación técnica demuestra una alta calidad de los datos a través de la replicación exitosa de patrones psicológicos conocidos (efecto de fin de semana: +192% de mejora de la valencia, p <0,001; ritmo diurno validado) y una validez predictiva perfecta para la rotación de empleados (AUC=1,0). Los experimentos de referencia que utilizan modelos Random Forest y LSTM logran una precisión del 91,2 % para la clasificación de emociones y R2 = 0,84 para la predicción de valencia. Este es el conjunto de datos longitudinales sobre emociones en el lugar de trabajo más grande y más largo disponible públicamente, lo que permite la investigación en reconocimiento de emociones, modelado de dinámicas afectivas, contagio emocional, predicción de rotación y diseño de sistemas conscientes de las emociones.
Publicado originalmente en export.arxiv.org el 19 de octubre de 2025.
Ver fuente original
